Java基础

JVM中boolean数组是通过读写byte数组实现的

自动装箱与拆箱用了xxx.valueOf()和.xxxValue(),new Integer(3)不是自动装箱,=3才是。也因为自动装箱用了valueOf,所以会使用缓存池。

String在Java8用char数组,Java9用byte数组并保存编码格式
String不可变的其中一个好处是可以使用String pool
String.intern()从string pool里找有没有这个string,没有就加进去,然后返回引用,用 a=b.intern()可以获得相同的字符串(完全同一个,不是仅值相等)。String a = “asd”这种直接赋值的,赋值时就给放池里了,=new String(“asd”)这种才会在intern时出现往里放的情况。

浮点数字面量是double类型,所以不能float a = 1.1;

Private和final的方法不能被重写,所以如果子类有同名的,其实是新的方法,不是重写的。

Final类不能被继承。

Static的任何都不应该与对象有关,所以方法中不能出现this,super之类的东西。因为不依赖对象和具体实现,所以不能是虚的,必须有实现。(虽然实现空的是可以,就{})

toString默认返回“类名@散列码的无符号十六进制表示”

clone是protected,所以必须显式重写才能让别的类使用。还得实现clonable接口。
浅拷贝:只能拷贝最外部一层,深层的对象,依然是通过引用指向同一块堆内存。
深拷贝把所有对象都clone一遍,对象的引用不同了

子类对象必须能替换掉父类对象。子类的声明必须比父类大,比如父类Protected,子类就protected或者public。声明,返回值和异常类型都要考虑到,返回值和异常类型要是父类的子类,这样用 Father a = new Child();时,a.method的返回值就能满足父类的返回值,因为虽然返回的是子类的返回值,但是这个值是一种父类返回值的特殊情况。

Java8之后,接口也可以有默认的方法实现。接口的所有成员都是public的。接口的字段默认都是static和final的。抽象类没有接口这些成员和字段的限制。

子类一定会调用父类的构造函数。

Java8开始接口可以有方法实现

重载返回值可以不同,但是不能仅以返回值不同区分函数。

反射,Field,Method,Constructor,缺点是性能开销大,不安全,暴露内部(这同时换种方式说也能算是优点)

Array不能用泛型,List可以
泛型的非限定通配符?,限定通配符super和extends

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值